T5.1/5.2 Use Cases "Ernährungsepidemiologie" und “Epidemiologie chronischer Erkrankungen”

Die Anwendungsfälle „Ernährungsepidemiologie“ und „Epidemiologie chronischer Erkrankungen“ wurden ausgewählt, um komplexe Expositions- und Outcome Daten im Forschungsbereich der Epidemiologie exemplarisch abzubilden. Die Komplexität in Ernährungsdaten resultiert in erster Linie aus einer großen Vielfalt an Ernährungserhebungsinstrumenten, die abhängig von den wissenschaftlichen Fragestellungen der Studien gewählt werden. Dadurch ergeben sich in und zwischen Ernährungsstudien stark variierende Methoden, die sich im Detailgrad der Datenerfassung (u.a. Häufigkeiten vs. Verzehrsmengen; Beobachtungszeiträume) deutlich unterscheiden können. Zum anderen lassen sich die unterschiedlichsten Dimensionen von Ernährungsdaten auswerten: So ist es möglich, die Daten in aggregierter Form wie Ernährungs- oder Mahlzeitenmuster zu untersuchen, auf Ebene von Lebensmittelgruppen oder einzelnen Lebensmitteln bis hin zur Berechnung der Aufnahme von Makro- und Mikronährstoffen. Für Daten zu chronischen Erkrankungen zeigt sich ein ähnlich komplexes Bild, das ebenfalls durch unterschiedliche Erhebungsmethoden (Selbstangabe bis hin zur ärztlichen Diagnose) und die Verwendung verschiedener Versionierungen der medizinischen Klassifikationsliste der Weltgesundheitsorganisation (ICD-10 vs. ICD-11) bedingt ist.

Auch die epidemiologischen Studien in Deutschland verfügen über sehr heterogene Forschungsdaten, wie die NAKO Gesundheitsstudie, EPIC-Potsdam, EPIC-Heidelberg, KORA oder SHIP. Die Bestrebungen zur Standardisierung und Harmonisierung der erhobenen Forschungsdaten sowie die direkte Implementierung der in NFDI4Health entwickelten Services bietet einen großen Vorteil für die epidemiologische Forschungslandschaft in Deutschland.

Anhand typischer Forschungsfragen für den jeweiligen Forschungsbereich arbeiten die Wissenschaftlerinnen der NFDI4Health Use Cases 5.1 “Ernährungsepidemiologie” und 5.2 “Epidemiologie chronischer Erkrankungen” in Pilotprojekten an der Entwicklung von Services zur Datenstandardisierung und -harmonisierung, die anschließend der wissenschaftlichen Gemeinschaft zur Verfügung stehen sollen.

Die folgenden Pilotprojekte zur Standardisierung und Harmonisierung von Forschungsdaten in epidemiologischen Studien werden derzeit durchgeführt:

1. Systematische Untersuchung der methodischen Limitationen bei der Ableitung von Ernährungsmustern

Kontakt: Dr. Franziska Jannasch (DIfE)

Obwohl in den letzten zwei Jahrzehnten zahlreiche Ernährungsmuster exploratorisch generiert wurden, gab es kaum eine vollumfängliche Untersuchung der methodischen Limitationen, wie der Einfluss verschiedener Energieadjustierungen oder verschiedener Granularitätslevel der Lebensmittelgruppierung auf die entstehenden Musterlösungen. Darüber hinaus ist es insbesondere für simplifizierte Ernährungsmuster, welche in multizentrischen Analysen Anwendung finden, wichtig zu untersuchen, wie sich verschiedene Cut-offs der Faktorladungen auf die Musterlösung und die Vergleichbarkeit zum Originalmuster auswirken.  

2. Zusammenhang der Aufnahme von Zucker und zuckerhaltigen Getränken und Lebensmitteln mit Änderungen im Körperfett und mit dem Risiko chronischer Krankheiten

Kontakt: Tracy Bonsu Osei (MDC) und Dr. Ines Perrar (Uni Bonn)

In Deutschland sind etwa 89 % der Krankheitslast (quantifiziert als disability-adjusted life years, DALYs) auf chronische Krankheiten zurückzuführen, darunter Typ-2-Diabetes (T2D) und Herz-Kreislauf-Erkrankungen (CVD), die hauptsächlich durch Übergewicht und Adipositas begünstigt werden. Obwohl eine mangelhafte Ernährung ein Hauptrisikofaktor für die Entwicklung von Übergewicht und chronischen Krankheiten ist, gibt es große Forschungslücken hinsichtlich des Zusammenhangs mit der Zuckerzufuhr. Zudem gibt es in Deutschland kaum Studien zum Zusammenhang der Zufuhr von Gesamtzucker oder zuckerhaltigen Lebensmitteln wie zuckergesüßten Getränken (SSB) mit dem chronischen Erkrankungsrisiko. Durch die Wiederverwendung vorhandener Daten aus deutschen Kohortenstudien in einer föderierten Datenanalyse zielt diese Studie darauf ab, die Zusammenhänge zwischen der Aufnahme von Zucker, SSB und anderen zuckerreichen Lebensmitteln mit Veränderungen des Körperfettanteils, des Risikos für chronische Krankheiten und der Sterblichkeit zu untersuchen.

In NFDI4Health wird die Datenstandardisierung und -harmonisierung basierend auf den Maelstrom-Harmonisationsverfahren durchgeführt, die an die aktuellen Pilotprojekte angepasst wurden.

Zunächst erfolgt die Erfassung der Metadaten auf studien- und ressourcenbeschreibender Ebene über den NFDI4Health German Central Health Study Hub. Die Erfassung der für unsere Pilotstudien notwendigen forschungsdatenbeschreibenden Metadaten erfolgt mit dem Maelstrom Metadatenschema (Schritt 1 der Maelstrom Harmonisierungsleitlinien). Gleichzeitig wird die Installation und Konfiguration von OPAL/DataSHIELD durchgeführt. DataSHIELD ist eine Infrastruktur, die eine vertrauliche Analyse von sensiblen Forschungsdaten ermöglicht, ohne dass die Forschungsdaten den Server der Dateninhaber verlassen müssen. Eine Standard Operating Procedure (SOP) für die Installation und Konfiguration von Opal/DataSHIELD für das NFDI4Health Konsortium ist hier veröffentlicht: Github-opal-datashield-sop. Sobald alle erforderlichen Metadaten gesammelt und die DataSHIELD-Infrastruktur installiert ist, kann die Harmonisierung beginnen.

Um die teilnehmenden Studien zu unterstützen, wurde ein Harmonisierungsprotokoll erstellt und auf Github veröffentlicht: Github-data-harmonisation-protocol. Nach der Harmonisierung werden die entsprechenden Forschungsfragen analysiert. Anschließend werden die harmonisierten Metadaten zur Nachnutzung in zukünftigen Forschungsprojekten zur Verfügung gestellt.

Ansprechpartner:innen